DenisSergeevitch/agents-best-practices

Provider-neutral Agent Skill for Codex, Claude Code, and agentic harness design.

解決的問題

本專案提供一個結構化的框架與一組最佳實務,用於建構「智能體 harness」——即包圍 AI 模型的執行環境,使其安全、可靠且適合生產環境。它解決了賦予智能體自主性以執行有用工作,與防止模型在現實系統中成為未經審計、不安全的操作者之間的矛盾。

如何運作

不依賴提示式安全機制,本專案定義了一個嚴謹的控制平面,其中模型僅提出操作建議,而應用程式程式碼(harness)負責驗證、授權與執行。它提供一個全面的參考文件庫,涵蓋以下內容:

  • 智能體循環:管理重試、預算(時間、成本、令牌)與終止規則。
  • 工具治理:使用窄範圍、類型化的工具以及基於風險的權限等級(例如,分離讀取、草稿與破壞性寫入)。
  • 上下文管理:保留活躍狀態的檢索、記憶與自動壓縮策略。
  • 高階架構:MVP 智能體、遞迴 harness 與預測性工具執行的藍圖。
  • 環境適應:讓智能體在陌生環境中安全發現並綁定工具的方法。

適用對象

為各領域(包括程式碼撰寫、研究、支援、運維、銷售、金融與醫療)建構 AI 智能體的開發者與架構師,他們需要從簡單原型進階至生產安全系統。

亮點

  • 供應商中立:適用於不同 LLM 供應商(如 OpenAI、Anthropic 等)。
  • 基於風險的權限:強制區分自主讀取與需審批的寫入操作。
  • 以 harness 為中心的理念:將安全性和可靠性責任從提示轉移至執行時程式碼。
  • 全面的藍圖:包含 MVP 設計、現有 harness 審計以及實現長期目標的具體指南。
  • 智能體技能整合:打包為與 Codex 和 Claude Code 兼容的可攜式「智能體技能」。

相關

  • 專案
  • 專案
  • 專案
  • 專案
  • 專案